کتاب صوتی رازهای کارایی: از الگوریتم‌های Ural تا بهینه‌سازی کد مدرن

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب رازهای کارایی: از الگوریتم‌های Ural تا بهینه‌سازی کد مدرن

موضوع کلی: مبانی علوم کامپیوتر و برنامه‌نویسی

موضوع میانی: طراحی و پیاده‌سازی الگوریتم‌های محاسباتی

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه‌ای بر دوره: رازهای کارایی از الگوریتم تا سخت‌افزار
• 2. تاریخچه محاسبات: از چرتکه تا ماشین‌های Ural
• 3. معماری کامپیوترهای Ural-2 و Ural-4: محدودیت‌ها و فرصت‌ها
• 4. الگوریتم چیست؟ تفکر الگوریتمی در عصر محدودیت منابع
• 5. فلوچارت و شبه‌کد: ابزارهای طراحی الگوریتم قبل از کدنویسی
• 6. سیستم‌های عددی: باینری، اکتال و هگزادسیمال
• 7. نمایش اعداد صحیح و ممیز ثابت در حافظه محدود
• 8. اعداد ممیز شناور: استانداردها، دقت و خطا
• 9. مفهوم خطای محاسباتی: خطای برشی و خطای گرد کردن
• 10. دستورالعمل‌های ماشین پایه و زبان اسمبلی اولیه
• 11. برنامه‌نویسی با نوار پانچ و کارت پانچ: اولین رابط‌های برنامه‌نویس
• 12. متغیرها، حافظه و آدرس‌دهی مستقیم
• 13. ساختارهای کنترلی: دستورات شرطی و پرش (Jumps)
• 14. حلقه‌ها: از شمارنده‌های سخت‌افزاری تا حلقه‌های نرم‌افزاری کارآمد
• 15. زیربرنامه‌ها (Subroutines): اولین گام‌ها در ماژولارسازی کد
• 16. آرایه‌ها: ساختار داده بنیادین برای محاسبات علمی
• 17. عملیات پایه روی آرایه‌ها: پیمایش، جستجو و درج
• 18. اشکال‌زدایی (Debugging) در محیط‌های ابتدایی: ردیابی دستی و Dump حافظه
• 19. مقدمه‌ای بر پیچیدگی زمانی و فضایی الگوریتم‌ها
• 20. تحلیل کارایی الگوریتم‌ها در سخت‌افزار محدود
• 21. مدیریت حافظه به صورت دستی: چالش‌ها و تکنیک‌ها
• 22. ریشه‌یابی معادلات غیرخطی: مسئله و اهمیت آن
• 23. روش دو بخشی (Bisection Method): سادگی و تضمین همگرایی
• 24. روش نابجایی (False Position Method) و بهبودهای آن
• 25. روش نیوتن-رافسون: سرعت در برابر پایداری
• 26. روش وتری (Secant Method): جایگزینی برای مشتق
• 27. تحلیل خطا و نرخ همگرایی در روش‌های ریشه‌یابی
• 28. دستگاه معادلات خطی: فرموله‌بندی مسائل مهندسی
• 29. ماتریس‌ها و بردارها: نمایش و عملیات پایه
• 30. روش حذف گاوسی: یک راه حل مستقیم و کلاسیک
• 31. محورگیری (Pivoting) برای افزایش پایداری عددی در حذف گاوسی
• 32. روش تجزیه LU و کاربردهای آن در حل مکرر دستگاه‌ها
• 33. محاسبه دترمینان و معکوس ماتریس
• 34. روش‌های تکراری: روش ژاکوبی
• 35. روش گوس-سایدل: بهبود همگرایی نسبت به ژاکوبی
• 36. مقایسه روش‌های مستقیم و تکراری برای حل دستگاه‌های خطی
• 37. مقادیر ویژه و بردارهای ویژه: مفاهیم و کاربردها
• 38. روش توانی برای یافتن مقدار ویژه غالب
• 39. درون‌یابی چیست؟ تخمین مقادیر نامعلوم بین داده‌ها
• 40. چندجمله‌ای‌های درون‌یاب لاگرانژ
• 41. تفاضلات تقسیم‌شده و چندجمله‌ای‌های درون‌یاب نیوتن
• 42. پدیده رونگه و محدودیت‌های درون‌یابی با درجه بالا
• 43. درون‌یابی با اسپلاین‌ها (Splines): راه‌حلی برای پایداری
• 44. برازش منحنی: روش کمترین مربعات برای داده‌های نویزی
• 45. برازش خطی و غیرخطی: مدل‌سازی روابط داده‌ها
• 46. مفهوم انتگرال‌گیری عددی و کاربردهای آن
• 47. قاعده ذوزنقه (Trapezoidal Rule): پیاده‌سازی و تحلیل خطا
• 48. قاعده سیمپسون (Simpson's Rule) برای دقت بالاتر
• 49. انتگرال‌گیری رامبرگ: برون‌یابی به‌سوی دقت بی‌نهایت
• 50. انتگرال‌گیری گاوسی: انتخاب بهینه نقاط
• 51. مشتق‌گیری عددی: تقریب‌های تفاضل پیش‌رو، پس‌رو و مرکزی
• 52. خطا در مشتق‌گیری عددی: مصالحه بین خطای برشی و گرد کردن
• 53. معادلات دیفرانسیل معمولی (ODEs): مدل‌سازی سیستم‌های دینامیک
• 54. روش اویلر: ساده‌ترین روش حل عددی ODE
• 55. بهبود روش اویلر: روش هیون (روش پیش‌بین-اصلاح‌گر)
• 56. روش‌های رانگ-کوتا (Runge-Kutta) مرتبه چهار
• 57. مسائل مقدار مرزی در مقابل مسائل مقدار اولیه
• 58. روش تیراندازی (Shooting Method) برای حل مسائل مقدار مرزی
• 59. روش تفاضل محدود برای مسائل مقدار مرزی
• 60. مرتب‌سازی حبابی: سادگی در برابر ناکارآمدی
• 61. مرتب‌سازی درجی: کارایی در لیست‌های تقریباً مرتب
• 62. مرتب‌سازی انتخابی: حداقل تعداد جابجایی
• 63. الگوریتم‌های مرتب‌سازی پیشرفته‌تر: Quick Sort
• 64. الگوریتم Merge Sort و مفهوم تقسیم و حل
• 65. تحلیل مقایسه‌ای الگوریتم‌های مرتب‌سازی
• 66. جستجوی خطی در مقابل جستجوی دودویی
• 67. جداول هش (Hash Tables): جستجو در زمان تقریباً ثابت
• 68. مدیریت برخورد (Collision) در جداول هش
• 69. لیست‌های پیوندی: مدیریت حافظه پویا و انعطاف‌پذیر
• 70. پشته (Stack): پیاده‌سازی و کاربردها (مانند فراخوانی توابع)
• 71. صف (Queue): مدل‌سازی رویدادهای ترتیبی
• 72. بازگشت (Recursion): تعریف، کاربرد و هزینه‌های پنهان
• 73. درخت‌ها: ساختارهای داده سلسله‌مراتبی
• 74. درخت‌های جستجوی دودویی (Binary Search Trees)
• 75. پیمایش درخت: Pre-order, In-order, Post-order
• 76. گراف‌ها: نمایش روابط پیچیده و شبکه‌ها
• 77. الگوریتم‌های پیمایش گراف: جستجوی اول سطح (BFS) و اول عمق (DFS)
• 78. از زبان ماشین تا زبان‌های سطح بالا: ظهور کامپایلرها
• 79. نقش کامپایلر در بهینه‌سازی کد: نگاهی به پشت صحنه
• 80. سیستم‌عامل‌ها: مدیریت منابع به صورت خودکار
• 81. حافظه مجازی: فراتر از محدودیت‌های فیزیکی رم
• 82. سلسله‌مراتب حافظه: کش (Cache)، رم و دیسک
• 83. اصل محلی بودن ارجاع (Principle of Locality) و تاثیر آن بر کارایی
• 84. بهینه‌سازی حلقه‌ها: باز کردن حلقه (Loop Unrolling)
• 85. پروفایلینگ (Profiling): یافتن گلوگاه‌های عملکردی در کد مدرن
• 86. انتخاب ساختار داده مناسب: مهم‌ترین تصمیم برای بهینه‌سازی
• 87. پارادایم‌های برنامه‌نویسی: رویه‌ای، شیءگرا و تابعی
• 88. مفهوم انتزاع و کپسوله‌سازی در طراحی نرم‌افزار
• 89. معماری‌های مدرن پردازنده: خط لوله (Pipelining) و اجرای موازی دستورات
• 90. مقدمه‌ای بر برنامه‌نویسی موازی: استفاده از پردازنده‌های چند هسته‌ای
• 91. تولید اعداد تصادفی و کاربرد آن در شبیه‌سازی
• 92. روش مونت کارلو: حل مسائل پیچیده با نمونه‌گیری تصادفی
• 93. بهینه‌سازی و تحقیق در عملیات: برنامه‌ریزی خطی
• 94. الگوریتم‌های حریصانه (Greedy Algorithms): راه‌حل‌های سریع اما تقریبی
• 95. برنامه‌نویسی پویا (Dynamic Programming): حل مسائل با زیرمسائل همپوشان
• 96. کدنویسی تمیز: اصول نوشتن کدهای خوانا و قابل نگهداری
• 97. مهندسی نرم‌افزار: از نیازمندی تا تست و تحویل
• 98. اخلاق در الگوریتم‌ها: سوگیری، انصاف و شفافیت
• 99. الگوریتم‌های Ural در دنیای امروز: درس‌های ماندگار در مورد کارایی
• 100. آینده محاسبات: کامپیوترهای کوانتومی و رایانش عصبی